“Whether it’s mise en place for a meal or service or for life, it’s all the same thing. Prepare yourself today for tomorrow.” - Thomas Keller (备受赞誉的美国厨师和作家，以其精准的法式灵感料理革新了高级餐饮业)

mise-en-place

在 AI 智能体时代，我们的思维必须从“编写指令”转向“构建环境”。大型语言模型本质上是无状态的(Stateless)，它们对任务的认知完全取决于在特定对话周期(Context Window)内被输入了什么信息。因此，上下文工程 - 即动态组装、管理和优化这些信息流的过程，成为了决定 AI 表现的关键。

在 Google 的一篇Context Engineering: Sessions & Memory白皮书中，作者在分析提示词工程和上下文工程的关系时提到了mise en place。基于白皮书的启发，我想到了一个有意思的比喻，上下文工程像是mise en place, 提示词工程像是recipe。

mise en place 是法语，英语直译为“putting in place”或“everything in its place”。中文意思是“各就各位”，在烹饪的语境中，它指的是在正式烹饪之前，把所有食材、工具、顺序全部准备好的系统化流程。它正式化于19世纪晚期法国名厨 Georges-Auguste Escoffier 建立的厨房体系。他将军事化管理引入厨房，要求所有准备工作必须在供餐前完成。这套方法结束了厨房的混乱状态，让出菜变得稳定、可复制、可协作，并最终成为全球专业厨房的标准。

在米其林餐厅，mise en place 往往占据厨师大量时间。食材提前处理，精确称量、分切、腌制；工具提前就位，刀具、锅具、温度计各归其位；基础酱汁预先完成，高汤和调味汁不在高峰期制作；时间顺序明确，所有食材按烹饪节奏排列。当真正开始烹饪时，厨师几乎不再思考准备问题，只需专注执行。


这和 context engineering 的逻辑高度一致。


如果说 Prompt Engineering 是“菜谱" Recipe，那么 Context Engineering 就是“备菜”。只有菜谱，没有完美的备菜——没有那种将所有食材、工具、环境都调整到最佳状态的准备，你或许能做出一道能吃的菜，但绝对做不出有灵魂的“风味”。

提示词工程 Prompt Engineering = 菜谱 Recipe: 它是高层次的指令，定义了“要做什么”和“逻辑路径”。虽然重要，但如果只给厨师一张菜谱，而没有预先准备好的高品质食材，他只能用手边随机的原料应付，最终产出的菜肴往往缺乏深度与准确性。

上下文工程 Context Engineering = 各就各位 (Mise en place)：它是确保厨师在烹饪前，已经拥有了精准切好的食材(事实数据)、顺手的厨具(工具定义 API)、预制好的酱汁(长期记忆与上下文)以及对摆盘风格的清晰认知(系统指令与示例)。

提示词工程让 AI “能做出一道菜”，而上下文工程则确保 AI 能根据不同用户的口味，稳定地交付出具有“米其林水准”的高质量结果。

有意思的是，mise en place 早已不只存在于厨房，它逐渐变成一种生活哲学。认知心理学研究表明焦虑会干扰决策过程，而系统性准备和清晰结构有助于缓解情绪负担，提高注意力和判断质量。知名主厨 Thomas Keller 曾说，无论是吃饭、服务还是生活，本质都一样，先把一切准备好。

当你把这个视角放回日常，会发现很多熟悉的场景，写作前整理资料和思路，开会前统一背景和目标，重要决策前先澄清约束条件。

对我来说，饭后整理厨房是一种 mise en place 的逆向过程。边听喜欢的Podcast，边把用过的碗筷放进洗碗机，清空台面，恢复秩序。这不是负担，而是一种放松。你在为下一次开始，重新构建一个干净的上下文。